logo 기술 블로그

분석가에게 매력적인 팀의 7가지 요소

조건희 profile

분석가는 크게 7가지 요인에 의해 동기부여가 된다고 생각합니다. 엔라이즈는 저를 포함한 분석가 직군의 업무환경을 조성하기 위해 지속적으로 아래 요소들을 복기하며 개선중에 있습니다.

성과보상

  • 데이터 분석가의 성과 측정은 다른 직군보다 명확합니다. 따라서 분석가의 분석물을 기반으로 인사이트를 추출하고 제시한 개선방안의 제품 지표 상승에대한 기여도를 측정하여 연봉 협상에 추가 증가분을 요구할 수 있는 절차를 마련했습니다.
  • 이를 통해 분석가는 더욱 업무에 집중하고, 회사에 이득이 되는 부분이 분석가 본인에게도 직접적인 이득이 될 수 있길 바랍니다.
  • 데이터 분석 경력자이실 경우 이직 즉시 직전연봉 대비 최대 30% 인상.

산업군 - 데이팅 앱, 홈트 앱 데이터

  • 위피
    • 소셜 데이팅 앱 데이터의 특징
      • 사람과 사람 또는 남녀간의 심리를 읽을 수 있는 아주 재미있는 데이터를 보유하고 있습니다. 설렘 포인트를 찾는 작업 자체가 정말큰 흥미로 다가올 수 있다고 생각합니다. 데이터를 통해 얻는 인사이트를 통해서 본인의 프로필 및 매력도를 높일 수 있는 노하우를 습득 하실 수 있는 좋은 기회라 생각합니다.
      • 게임 같은 경우 컨텐츠를 무한 복제/생성하여 유저들에게 제공이 가능 합니다. 예를 들어 피파에서 굴리트 카드가 인기가 많다면 유저가 비용만 지불 할수 있다면 무제한으로 같은 카드를 팔 수 있습니다. 하지만 위피에서는 인기가 높은 유저 한명을 모두에게 소개를 시켜 줄 수 가 없습니다. 왜냐하면 소개되는 유저가 수락을 하고 채팅을 할 수 있는 친구요청은 한정적이어서 받게되는 친구요청이 많아질 수록 친구요청을 한 유저의 수락률도 떨어지고 만족도 또한 하락하기 때문이죠. 따라서, 데이터를 읽고 유저에게 컨텐츠를 제공함에 있어 까다로운 제한점들이 있습니다.
      • 까다롭고 재미있는 소셜 데이팅 어플 데이터를 다뤄본 경험을 얻어가신다면 추후에 게임, 커머스, 웹컨텐츠(웹툰, OTT) 등등 타 업종 데이터는 문제없이 다루실 수 있을 거라 믿어 의심치 않습니다.
    • 위피 이용 무제한
      • 위피팀은 분석가의 정량적 분석능력을 가장 중요한 역량으로 봅니다. 다만 정성적인 역량 또한 가설을 세우고 데이터를 해석함에 있어서 아주 중요하다고 생각합니다. 정성적인 판단 향상을 위해서는 제품을 사용해보고 또 사용해보는 것만큼 유용한 방법이 없을 것입니다. 따라서 모든 위피 팀원들이 위피를 제한없이 경험해보실 수 있습니다.
  • 콰트
    • 최근 가장 유망한 산업군으로 주목받는 홈피트니스
      • 언택트 시대에 가장 핫한 키워드 중의 하나인 홈피트니스를 서비스 하는 콰트를 통해 분석가는 유저들의 운동기구 구매 데이터(커머스 분석), 마케팅 분석, 인터넷 강의 시청 데이터(컨텐츠 분석) 그리고 서비스/커뮤니티 운영 데이터(CRM분석)를 모두 다뤄보실 수 있습니다. 콰트 분석을 하시게된다면 다양한 종류의 데이터를 다양한 접근 방법을 사용해보실 수 있을 것으로 생각 됩니다.

데이터 양

  • 위피
    • 2.2테라바이트
      • 위피는 외부툴을 한계점이 명확함을 인지하고 필요한 모든 데이터는 내부 데이터베이스에 적재 중입니다.
      • 지속적으로 개선 중인 데이터레이크를 통해 분석가는 수많은 데이터를 축적 및 분석합니다.
      • 추가로 필요한 데이터 적재는 데이터팀에서 발제하고 PO 및 개발팀과 협업하여 구현합니다. 예를 들어 최근 앱 가입시 사진 업로드 퍼널의 행동분석이 훨씬 고도화 돼야한다고 파악되어 스크롤, 클릭, 진입 등 모든 행동 로그를 내부 디비에 적재하기 시작하였습니다.
  • 콰트
    • 데이터베이스 초기 설계는 분석가가 느낄수 또다른 값진 경험이라고 생각합니다. 위피는 처음에 효율적인 개발에 용이한 데이터베이스 구조로 설계되었습니다. 하지만 콰트는 초기 설계부터 분석가의 니즈를 반영하여 설계를 해나가고 있습니다.

실험 방법 - 최신 실험 방법을 적극 시도

  • 엔라이즈 분석팀은 실험조직으로써 신뢰도가 높은 실험결론을 도출하기 위해서 Advanced Statistic을 활용하여 분석을 진행하고 있습니다.
  • 실험 흐름은 Visual analytics로 결과를 도출하고 있습니다. 또한 명확한 실험 결론이 나지 않을시에 Advanced Statistic인 independent two sample t-test, Bayesian t-test를 활용하여 크로스체크를 진행합니다. 그리고 공통적으로 오차범위 제어, smoothline을 통한 추세분석을 통하여 실험결과를 도출하게 됩니다.
  • 이와 같은 방법은 단순히 수치해석을 넘어 저희가 도출하는 결과에 따라 제품에 반영되는 의사결정에 큰 영향을 미치기 때문에 보다 신뢰성이 높은 결과를 제공하여, 각 실험을 통해 얻을 수 있는 제품 성장에 높은 의의를 두고 있습니다.

지금까지의 업적 - 데이터를 가지고 분석을 통해서 만든 여러 유의미한 성과

  • 위피

    • 위피는 2017년 말에 소셜앱 분야에 도전장을 내밀고 2019년에 앱스토어 매출 부문 1위에 도달한뒤 단한번도 1위 자리를 내준적이 없습니다. 거두절미하고 이 성과가 위피팀의 역량을 보여주는 명확한 지표라고 생각됩니다. 저는 이 성과의 핵심은 데이터분석이라고 생각됩니다. 아래는 저희가 인사이트를 얻고 기획을 제안하여 성과를 얻은 몇 예시들 입니다.

      추천로직 - 최초 가입 남자 유저들에게는 거리가 가까운 유저 보다 인기가 많은 유저를 소개 해줬을때 만족도가 높다고 판단하여 거리보다 인기도에 비중을 높힌 추천을 해줌으로써 Day 1 ARPU의 10%증가로 이어짐

      가입퍼널 - 가입퍼널 이탈률 중 사진등록단 이탈이 가장 큰비중을 차지한다는 것과 적합하지 않은 사진을 업로드 하고 승인을 받지 못한 뒤에 재시도 하지않고 이탈을 하는 유저들이 많다는 것을 확인하고 새로운 가입 정책과 UI를 제안하여 이탈률을 20% 개선.

      운영팀 운영방안 - 신규 유저가 가입신청을 하고 n분안에 승인을 해줘야 실유저로 전환될 확률이 높아질 것이라는 것을 과거 데이터를 기반으로 증명하여 실험을 진행하고 입증이 된 뒤 해당 운영방안을 실행시키기 위해 투입되어야하는 비용 대비 얻을 수 있는 이득이 더 큰지를 판단하고 24시간 운영팀을 꾸리는 근거를 제공

    • 월 평균 12개의 실험을 진행하고 있으며 그과정에서 분석가들은 본인의 인사이트가 어떻게 적용되고 성과는 어떤지 확인하며 지속적인 확인하며 발전해나가고 있습니다.

최신 기술

  • Machine learning

    • 현재 제품내에 Deep learning, Machine learning 모델들은 반영되어 있지 않지만, 지속적으로 research를 통해 프로덕트에 반영할 수 있도록 틈틈히 작업하고 있습니다. 또한 Tabular, Vision, Text, Timeseries 등 특정 도메인에 한정짓지 않고 프로젝트를 진행하고 있습니다.
    • 현재는 AWS sagemaker를 통해서 좀더 손쉽게 제품에 반영되는 모델을 관리하고 튜닝하고, 최적화를 할 수 있게 세팅중이며, 제로베이스에서 시작하기 때문에 엔라이즈 제품에 반영되는 AI모델 구축의 A-Z 모두를 경험할 수 있습니다.
      • 현재 실험 중인 과제
        • “가입후 이틑날 들어오지 않을 고객 예측"을 개발하고 있습니다. 어느정도 베이스 성능을 끌어올렸지만, real world predict단계에서 보완 중입니다.
        • 현재 평가 Metric기준 precision 약 0.8이며, 목표 KPI는 0.9까지 상승시키는 것을 목표로 하고 있습니다.
          • 추가적으로 리텐션과 관련된 인과 예측에 기반한 실험으로 “무료 아이템 사용성 증대”, “신규가입자 채널”, “매칭 수락률 증가 유도” 등의 다양한 실험을 진행하여 유의미한 성과를 내고 있습니다.
        • 탈퇴율과 결제과 이미지 분석 과제들이 로드맵에 있습니다.

  • 시각화(BI)

    • Zeppelin

      • 100개 이상의 위피와 콰트 지표를 Zeppelin을 통해서 모니터링 하고 있습니다. 전 구성원이 분석결과를 참고하여 의사결정 할 수 있도록 가이드 하고 있으며, PO와 협업하기 위한 분석 태스크 및 AB테스트 결과들을 분석, 정리하고 있습니다.

    • plotly, matplotlib, seaborn

      • zeppelin을 통해서 쉽게 구현할 수 없는 시각화나 Data stucture를 처리하기 위해서 python visualization library를 추가적으로 활용하고 있습니다.

팀원과의 협업 - 실험 속도와 각 팀원들과 협업하는 방식

  • 위피팀의 표준 워크 플로우는 다음과 같습니다.

  • 위 차트에서 보시는 바와 같이 분석가는 아이디어 제안, 사전분석, 사후분석을 진행함에 있어서 여러 구성원들과 함께 협업을 합니다. 엔라이즈 협업 방식의 모토는 ‘내 일이 가장 중요하다’입니다. 이는 각 구성원이 상대방의 상황을 배려하는 수고스러움을 협업과정에서 배제하고자 강조하는 부분이며 본인의 메세지를 원하는 시간과 장소에서 전달 할 수 있도록 하여 최대한 효율적인 협업을 가능케합니다.

  • 한개의 실험은 사전분석에서 사후분석 싸이클을 거치는데 까지 보통 2~3주가 걸립니다. 실험은 병렬로 처리 가능하도록 PM이 스케줄링을 하기 때문에 월 평균 6개의 실험을 진행합니다. 각 구성원의 성장과 협업 프로세스 개선으로 월 평균 8개의 실험을 목표로 하고 있습니다.

엔라이즈 채용공고

https://www.wanted.co.kr/wd/51614

  • 엔라이즈에는 지금 2명의 분석가가 있습니다. 저희와 함께 엔라이즈의 미래를 결정할 세번째 분석가를 찾고 있습니다. 함께 하시게 된다면 엔라이즈에서, 평소 생각만 하셨던 분석가로써의 모든 꿈들을 실현 시켜보실 수 있게 도와드림은 물론, 엔라이즈 이후의 미래의 계획도 실현시키실 수 있도록 전폭 지원하겠습니다.
  • 많은 관심 부탁드립니다.